paper-to-note

name	paper-to-note
description	将实验型与深度学习论文 PDF 转为 evidence-backed 的 Obsidian Markdown 笔记。支持论文类型路由、Figure 论证路径分析，以及实验/模型训练信息的结构化整理。

Paper-to-Note

将实验型与深度学习论文 PDF 转为 evidence-backed 的 Obsidian Markdown 笔记。

触发条件

以下任一情况触发本 skill：

1. 用户使用 /paper-to-note 命令
2. 用户提到 paper-to-note 并描述了要读论文或生成笔记的意图
3. 用户提到 deep learning / DL / 深度学习，并明确想读论文、拆 Figure、整理实验或生成笔记

参数识别

从用户输入中提取以下信息：

参数	必需	识别方式
PDF 路径	是	用户提供的文件路径
交互模式	否	用户提到 --interactive、"交互"、"讨论"、"聊聊"则启用
输出目录	否	用户提到 --output 或指定输出路径；默认为 PDF 所在目录
类型覆盖	否	用户提到 --type experimental 或 --type dl；不提供时默认自动路由
MinerU 预处理	否	--mineru 启用（自动选择模式）；--mineru light / --mineru api / --mineru local 指定模式；不提供时 Claude 直读 PDF

执行流程

1. 读取论文

默认模式（Claude 直读 PDF）

若未启用 --mineru，使用 Read 工具直接读取 PDF：

• 若 PDF ≤ 20 页：一次性读取全文
• 若 PDF > 20 页：先读 1-20 页完成主体分析，再读剩余页补充 Methods / Appendix / Supplementary 信息
• 若 PDF > 40 页：提示用户 "论文较长（{页数} 页），分析可能不完整，建议重点关注核心区域"
• 若读取失败：提示用户检查文件路径和 PDF 格式（需为文本型 PDF，非扫描型），终止流程

MinerU 预处理模式

若用户指定了 --mineru，先通过 MinerU 将 PDF 转为结构化 Markdown + 图片，再由 Claude 读取 Markdown 进行后续分析。

读取 prompts/mineru-preprocess.md，按其中的指令执行预处理。

预处理成功后：

• 后续所有阶段读取 MinerU 输出的 Markdown（公式已为 LaTeX，表格已为 HTML）
• Figure 分析时使用 Read 工具加载 images/ 目录中的图片文件
• 原始 PDF 仍可作为补充参考

预处理失败时：

• 告知用户失败原因
• 自动回退至默认模式（Claude 直读 PDF），继续流程

2. 阶段 0：论文类型路由

若用户提供 --type experimental 或 --type dl，将其视为手动覆盖：

• experimental → 使用实验型轨道
• dl → 视为 deep-learning 轨道，使用 DL 轨道

若未提供手动覆盖，读取 prompts/router.md，按其中的指令执行。

根据路由结果选择 prompt 集：

• experimental → prompts/experimental/ + templates/note-template.md
• deep-learning → prompts/dl/ + templates/dl-note-template.md
• 其他类型（review / theoretical）→ 提示用户：该类型暂无专用轨道，可选择最接近的轨道继续或终止

若 confidence 为 medium 或 low，先提示用户确认检测结果再继续。

后续阶段 1-4 使用路由选中的 prompt 目录中的文件。

3. 阶段 1：结构解析与证据提取

根据当前轨道读取对应文件并执行：

• 实验型轨道：prompts/experimental/parse-and-extract.md
• DL 轨道：prompts/dl/parse-and-extract.md

4. 阶段 2：Figure 论证路径分析

根据当前轨道读取对应文件并执行：

• 实验型轨道：prompts/experimental/figure-logic.md
• DL 轨道：prompts/dl/figure-logic.md

5. 阶段 3：实验 / 方法分析

根据当前轨道读取对应文件并执行：

• 实验型轨道：prompts/experimental/parameter-audit.md
• DL 轨道：prompts/dl/method-analysis.md

6. 模式分流

普通模式： 直接进入阶段 4（笔记组装）。

交互模式： 进入引导讨论阶段：

进入对话

告知用户：

"论文已分析完毕，进入讨论阶段。我会针对这篇论文提问，帮你梳理理解。随时说「结束」即可生成笔记。"

引导顺序（参考，非强制）

1. 整体感知: "读完这篇文章，你觉得它主要在做一件什么事？"
2. 逐 Figure 讨论: "Figure 1 你看到了什么？你觉得作者放这个图想说明什么？" → 逐个过
3. 思路串联: "你觉得作者整个论证思路大概是怎么推进的？"
4. 开放疑问（可选）: "有没有哪个地方你觉得没看懂，或者觉得奇怪的？"

交互原则

• 用户掌握主动权 — AI 准备好引导路线，但用户随时可以改道，AI 跟着走
• 每次只问一个问题 — 不一次性抛多个问题
• 用户可跳过 — 说 "跳过" / "继续 Figure 3" → AI 立刻跟上
• 用户可回溯 — 想聊回之前的 Figure → AI 跟上
• 仅由用户主动结束 — 说 "结束" / "可以了" / "生成笔记" → 停止对话，AI 不自行终止
• 语气像导师带读论文 — 不是考官答辩，是引导式讨论
• 纠正附证据 — 用户理解有偏差时，基于原文和阶段产出纠正，不空口说"你错了"
• 只记录聊过的 — My Understandings 只包含实际讨论的内容，跳过的 Figure 或模块不补

7. 阶段 4：笔记组装

根据当前轨道选择模板与组装 prompt：

• 实验型轨道：读取 templates/note-template.md 和 prompts/experimental/note-assembly.md
• DL 轨道：读取 templates/dl-note-template.md 和 prompts/dl/note-assembly.md

按对应 prompt 的指令将所有阶段产出组装成最终笔记。

8. 生成文件名与写入

文件名格式： {期刊/会议缩写}--{年份}--{主要内容概括}.md

规则：

• 缩写中的空格用 - 替代（如 ACS-Nano、CVPR）
• 主要内容用中文概括
• -- 双连字符作分隔符
• 文件名不含空格
• 文件系统非法字符（/ : * ? " < > |）替换为 -

输出路径： 用户指定的目录，或 PDF 所在目录（默认）。

文件名冲突： 若目标目录下已存在同名文件，自动追加序号（如 -2），不覆盖已有文件。

使用 Write 工具写入文件。完成后告知用户：

"笔记已生成：{完整文件路径}"

通用格式规范

以下规则适用于所有轨道的最终输出：

• 数学公式：论文中的数学表达式必须使用 LaTeX 语法。行内公式用 $...$，独立公式（目标函数、损失函数等）用 $$...$$ 并独占一行。不允许将公式写成纯文本（如 p_data 应为 $p_{\text{data}}$，E[log D(x)] 应为 $\mathbb{E}[\log D(x)]$）。详细规范见各轨道的 note-assembly prompt。

适用范围

• 实验型论文（化学、材料、生物等）
• 深度学习论文（CV、NLP、语音、多模态等）
• 英文论文输入
• 中文笔记输出（专业术语保留英文）

限制

• v2 已支持 experimental + DL，其他类型轨道仍在补充中
• 暂不处理独立的 Supplementary Information PDF
• 超 40 页论文分析可能不完整
• 扫描型 PDF 无法读取